Implementasi algoritma support vector machine pada klasifikasi jenis tanaman rimpang berdasarkan fitur warna, bentuk, dan tekstur

ABSTRAK

Klasifikasi merupakan sebuah proses pembelajaran machine learning yang memiliki tujuan untuk mengkategorikan data berdasarkan kelasnya. Salah satu metode klasifikasi yang dapat digunakan yaitu support vector machine (SVM). Pada penelitian ini, metode SVM digunakan untuk mengklasifikasikan jenis tanaman rimpang. Tanaman rimpang merupakan jenis tanaman yang merambat di bawah permukaan tanah. Pada umumnya, tanaman rimpang memiliki warna, bentuk, dan tekstur yang cenderung sama. Oleh karena itu, penelitian ini memiliki tujuan untuk menghasilkan model klasifikasi yang dapat membantu manusia dalam membedakan jenis tanaman dengan mempertimbangkan hasil tingkat akurasinya. Adapun jenis tanaman rimpang yang digunakan pada penelitian ini terdapat 5 jenis yaitu jahe, lengkuas, temulawak, kencur, dan kunyit. Data yang digunakan dalam penelitian ini diambil dari website Kaggle dimana terdapat 125 data citra. Penelitian ini secara umum terbagi menjadi empat bagian yaitu preprocessing, ekstraksi fitur, klasifikasi menggunakan SVM serta evaluasi dengan algoritma K-fold Cross Validation. Tahap preprocessing pada penelitian ini terdiri dari segmentasi citra yang bertujuan untuk memisahkan objek rimpang dengan objek lainnya pada citra. Sedangkan tahap ekstraksi fitur dilakukan secara bertahap untuk dapat mendapatkan fitur warna, bentuk, dan tekstur. Proses klasifikasi dilakukan sehingga menghasilkan 10 model SVM. Adapun pada proses evaluasi, digunakan nilai k=5. Hasil dari penelitian ini diperoleh tingkat akurasi dari implementasi algoritma support vector machine pada klasifikasi jenis tanaman rimpang berdasarkan fitur warna, bentuk, dan tekstur ialah sebesar 96,8%.

ABSTRACT

Classification is a machine learning process that aims to categorize data based on its class. One of the classification methods that can be used is support vector machine (SVM). In this research, the SVM method is used to classify the types of rhizome plants. Rhizome plants are a type of plant that creeps below ground level. In general, rhizome plants have the same color, shape, and texture. Therefore, this research aims to produce a classification model that can help humans in distinguishing plant species by considering the results of its accuracy level. There are five types of rhizome plants used in this study, namely ginger, galangal, curcuma, aromatic ginger, and turmeric. The data used in this research is taken from the Kaggle website where there are 125 image data. This research is generally divided into four parts, namely preprocessing, feature extraction, classification using SVM and evaluation with the K-fold Cross Validation algorithm. The preprocessing stage in this study consists of image segmentation which aims to separate rhizome objects from other objects in the image. Meanwhile, the feature extraction stage is carried out in stages to obtain color, shape, and texture features. The classification process is carried out to produce 10 SVM models. As for the evaluation process, the value of k=5. The results of this study obtained the accuracy rate of the implementation of the support vector machine algorithm on the classification of rhizome plant species based on color, shape, and texture features is 96.8%.

مستخلص البحث

التصنيف هو عملية تعلم آلي تهدف إلى تصنيف البيانات بناء على فئتها. إحدى طرق التصنيف التي يمكن استخدامها هي آلة المتجه ال د عم ) SVM (. في هذا البحث، تم استخدام طريقة SVM لتصنيف أنواع نباتات الجذمو ر. نباتات جذمور هي نوع من النباتات التي تنتشر تحت سطح التربة. بشكل عام، نباتات جذمور لها نفس اللون والشكل والملمس. لذلك يهدف هذا البحث إلى إنتاج نموذج تصنيف يمكن أن يساعد الإنسان في تمييز أنواع النباتات من خلال النظر في نتائج مستوى دقتها. هناك ٥ أنواع من نباتات الجذور المستخدمة في هذا البحث، وهي الزنجبيل والخولنجان وال كركم الجاف والزنجبيل العطري والكركم. تم أخذ البيانات المستخدمة في هذا البحث من موقع كاغل حيث كان هناك ١٢٥ بيانات صورة. ينقسم هذا البحث بشكل عام إلى أربعة أجزاء، وهي المعالجة المسبقة، واستخراج الميزات، والتصنيف باستخدام SVM والتقييم باستخدام خوارزمية التحقق المتقاطع ك- طيه. تتكون مرحلة المعالجة المسبقة في هذا البحث من تجزئة الصورة التي تهدف إلى فصل كائنات جذمور عن كائنات أخرى في الصورة. بينما يتم تنفيذ مرحلة استخراج الميزات تدريجيا لتتمكن من الحصول على ميزات اللون والشكل والملمس. تم تنفيذ عملية التصنيف مما أدى إلى ١٠ نماذج SVM . بالنسبة لعملية التقييم، يتم استخدام قيمة ك = ٥ بحيث يكون هناك ٥ جارب. حصلت نتائج هذا البحث على معدل دقة تنفيذ خوارزمية آلة المتجه ال د عم في تصنيف أنواع نباتات جذمور بناء على خصائص اللون والشكل والملمس بنسبة ٩٦.٨ .%